摘要：本文首先对电力大数据时代进行简单介绍，了解当前电力大数据时代的基本情况，重点分析电力大数据时代下的数据挖掘技术，在此基础上深入研究大数据时代下电力企业数据挖掘技术的实现途径，希望通过本文的研究能够更加全面的掌握关于电力大数据时代数据挖掘的技术，同时也为后期更好的实现大数据时代下电力企业的数据挖掘提供参考。
关键词：大数据；数据挖掘；电力企业
1引言
近年来随着我国经济社会的不断发展，大数据已经成为时代的重要特征，关于大数据的应用也受到人们越来越多的关注。电力企业的规模也不断扩大，在企业运行中会产生大量的生产及运营数据，但是数据的利用率却很低，没有发挥其价值，因此在现阶段利用大数据技术对电力企业的数据进行挖掘利用具有重要的现实意义，能够更加全面的了解电力大数据时代的基本情况，研究电力大数据时代下的数据挖掘技术及其实现路径，能够进一步发挥数据的潜在价值，为电力企业的成本控制及经营生产等提供参考，降低企业的生产成本，提高电力企业的经济效益。
2电力大数据时代概述
大数据指的就是数据量大，种类多，而且增长比较快，这些数据具有比较明显的信息资产特征。在大数据时代，需要全新的数据探索方式，也就是以数据处理为核心的方式。
我国电力产业规模庞大，在电力企业运行中从发电侧、输配电侧、用电侧等各个方面都会产生大量的数据，但是却同样面临“数据海量，知识匮乏”的困境，面对众多的电力数据只能实现基本的存储、统计及查询功能，大量数据背后的潜在价值没有被挖掘利用。电力大数据时代，电力企业面临着诸多挑战，首先是关于数据的收集，在电力企业运行中不仅需要收集企业自身的运营数据，还要进一步收集各种信息机构及互联网的数据，同时要对这些数据进行甄别分析；其次在互联网应用中存在大量的结构性和非结构性数据，而且这些数据增长速度很快，数据与时间有密切的联系，但是关于这些数据的价值挖掘只是停留在基本的分析层面；另外在不同的电力企业及不同的系统组成中，产生的电力数据之间往往相互独立，只能映射数据网络的某一部分，不同数据的集成，数据之间的参数关系以及数据壁垒都会阻碍大数据时代的发展。
3电力大数据时代下的数据挖掘技术
3.1数据挖掘技术
所谓数据挖掘，就是要在海量的数据中找出需要的知识技术等，首先是以大量数据为基础进行建模，然后利用模型对数据进行整理分析，以解决相应的问题，或者得出科学的方案，对于电力企业而言，就是对其市场和客户进行划分，了解市场及客户的特点，为今后企业的发展提供指导。目前已经建立了以云计算为基础的数据存储及访问平台，数据挖掘技术的作用就是挖掘这些数据的潜在价值，更好的为电力企业服务。电力系统结构复杂，会产生大量的数据，数据挖掘技术能够更好的发挥数据的作用，能够有效应用于电力用户的特征值提取、电力系统的运行监控、电价预测以及电力系统负荷的预测。
3.2关于数据挖掘技术的思考
我国电力行业目前正在向配电网开放模式过渡，这一过程中会产生大量的数据，而只有高质量的数据才能保证大数据技术发挥作用，数据挖掘就是为了从海量数据中挖掘高质量数据。在电力大数据时代，没有先进的数据类型和数据分析技术就会阻碍电力企业的发展，而先进的数据挖掘技术必须以高质量的大数据环境为前提，面对当前电力企业面临的实际情况，电力企业需要设立专门的数据官对电力企业的数据管理工作进行统一的管理，对电力大数据的元数据标准进行科学的定义，从根本上保证电力数据的质量，但是当前电力企业对于大数据以及数据质量要求不够重视，未来电力大数据挖掘仍然面临诸多问题。
4大数据时代下电力企业数据挖掘技术的实现途径
当前在大数据时代下，电力行业会产生大量的数据信息，数据的挖掘是知识的自发现过程。目前对于大数据的挖掘并没有十分明确的目标，对于这种情况，需要从多个方面不同的数据源中获取更多不同的数据，在对获取的数据进行预处理以后再使用不同的算法进行挖掘分析，一般都会用到模糊识别算法。在大数据时代背景下，电力企业的数据挖掘主要包括数据的收集、整理、管理、分析以及展示等五部分组成，具体的过程如图1所示。
图1
4.1由数据来源层来完成相应的数据收集工作，借助无线射频识别技术、移动设备、自动记录系统以及互联网等先进技术设备，对电力企业产生的各种事务型数据以及影响电力企业决策的外部数据等进行收集存放。为了更好的保障数据的代表性，尽量收集更多不同源的数据，也为后期进行数据挖掘工作奠定基础。
4.2数据整理层在数据挖掘技术中的实现过程
数据源中的数据内容一般情况下都会存在交叉，而且在原始数据中也会有冗余数据、噪声数据以及缺失数据等问题发生，在数据整理的过程中需要做好数据的清洗重构，同时要对缺失数据及时进行填补，从而进一步提升数据的质量。根据数据的相关特点，基本可以把电力数据分为结构化数据、非结构化数据和半结构化数据三种，三种数据的处理方式也不尽相同，第一种重点进行过滤筛选，剔除无效数据，后面两种数据需要进行标准化处理，形成统一的语言。
4.3数据管理、分析、展示层在数据挖掘技术中的实现过程。在数据管理层将处理转化后的数据进程存储，在存储之前需要先将数据进行整合转化成为相应的标准，一般会存储在经过专门设计的数据仓库中。然后利用联机分析处理技术对数据进行分析，转化为辅助决策信息；最后运用可视化设计对数据挖掘成果进行展示，同时辅助指导未来电力企业的发展，也能够帮助企业员工更加清楚的认识到电力企业未来的发展，评判决策是否正确，结果是否属实，这也是评判挖掘技术的关键标准。
5结语
通过本文的分析可知，电力企业具备数据运营的坚实基础，发展电力大数据、挖掘电力数据的价值符合当前时代发展的趋势，也有利于电力企业的良好发展。
参考文献：
[1]卢建昌，樊围国.大数据时代下数据挖掘技术在电力企业中的应用[J].广东电力，2014，（9）：88-94.
[2]舒永芳.大数据时代下数据挖掘技术在电力企业中的应用研究[J].低碳世界，2016，（36）：102.
[3]李思恩.大数据时代下数据挖掘技术在电力中的应用探讨[J].中国科技投资，2016，（31）：142.
论文作者:施强
论文发表刊物:《电力设备》2017年第29期
论文发表时间:2018/3/21
标签：数据论文; 电力企业论文; 数据挖掘论文; 时代论文; 电力论文; 技术论文; 都会论文; 《电力设备》2017年第29期论文;